استفاده از روش شبکه عصبی مصنوعی برای بررسی تاثیر خصوصیات دانه بندی بر پارامترهای مقاومت برشی خاک های ماسه ای مخلوط با رس

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 استفاده از روش شبکه عصبی مصنوعی برای بررسی تاثیر خصوصیات دانه بندی بر پارامترهای مقاومت برشی خاک های ماسه ای مخلوط با رس دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد استفاده از روش شبکه عصبی مصنوعی برای بررسی تاثیر خصوصیات دانه بندی بر پارامترهای مقاومت برشی خاک های ماسه ای مخلوط با رس  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی استفاده از روش شبکه عصبی مصنوعی برای بررسی تاثیر خصوصیات دانه بندی بر پارامترهای مقاومت برشی خاک های ماسه ای مخلوط با رس،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن استفاده از روش شبکه عصبی مصنوعی برای بررسی تاثیر خصوصیات دانه بندی بر پارامترهای مقاومت برشی خاک های ماسه ای مخلوط با رس :

تعداد صفحات :۱۳

چکیده مقاله:

با کمک آزمایش دانه بندی می توان اندازه دانه های موجود و توزیع آن ها را در خاک ها تعیین کرد. همچنین با استفاده از آزمایش برش مستقیم آزمایشگاهی نیز می توان تعیین پارامترهای مقاومت برشی خاک ها را به دست آورید. در این مقاله سعی شده است با روش شبکه ی عصبی مصنوعی و با استفاده از اطلاعات دانه بندی و نتایج آزمایش برش مستقیم، ضمن انجام یک تحلیل چند متغیره، پارامترهای مقاومت برشی خاک را نیز پیش بینی کرد. برای انجام این تحقیق از اطلاعات چندین پروژه ی مختلف در شهرهای رشت، گرگان، سیاه کل و سرخورد استفاده شده که جنس خاک ها نیز ماسه های مخلوط با رس بوده است. برای این منظور پارامترهای منحنی دانه بندی (Cc و Cu)؛ D10، شاخص پلاستیسیته (PI) و درصد ریزدانه به عنوان پارامترهای ورودی و چسبندگی و زاویه اصطکاک به دست آمده از آزمایش برش مستقیم به عنوان پارامترهای خروجی در نظر گرفته شده است. نتایج مدل طراحی شده نشان داد که از بین پارامترهای یاد شده، درصد ریزدانه بیشترین تاثیر را بر مقاومت برشی این نوع خاک ها داشته است. همچنین علی رغم یادگیری مناسب شبکه عصبی طراحی شده، این مدل نتوانست در مرحله ی آزمایش تخمین های مناسبی را ارایه کند.